摘要
在非洲经济中，关于工业机械的公开且适合模型的数据相对较少，这使得进行定量分析或在该环境下训练基于数字任务的语言模型变得困难。为了解决部分问题，我们发布了两项内容。
首先是尼日利亚机械使用与故障数据集：涵盖2006年至2025年间尼日利亚制造业及石油和天然气行业的89条机器级记录，涉及28个指标。每条记录都有公开来源，并通过代码本进行解码。
其次，我们提出了一种从这些稀疏数值中构建链式推理（CoT）示例的方法。最终结果是94条提示、完成和推理追踪的数据行。在每一行中，提示均命名了真实指标、子行业、年份和来源。
数据适配工作由Adaption Labs进行。在此过程中，我们描述了在使用语言模型构建数据集时常见的问题。提示可以匹配真实数字，但对真实领域没有任何描述。我们展示了修正这一点后，领域基础提示的比例从早期版本的78个中仅1个提升至94个中的94个，且每个检索答案现在都与其来源值匹配（84个中的84个）。我们以CC-BY-4.0许可发布数据、推理层和每行来源文件。我们明确了局限性：虽然有89条记录和17个仅有一个观测值的指标，但这只是一个参考和种子数据集，而非大型训练集。大多数推理行为为检索而非多步骤计算。
博主点评： 该数据集的发布极大丰富了非洲地区工业机械的数据资源，尤其是在语言模型训练和定量分析方面的应用潜力。尽管样本量有限，但通过领域基础推理的构建，提升了数据的有效性与可用性，值得关注。